本文研究了自动生成对抗样本的方法，通过最大化对抗样本的破坏程度，将问题转化为组合优化，并提出了一种神经 NLI 模型。该方法在 SNLI 和 MultiNLI 数据集上显著提高了对抗样本的预测准确性，相对提升了79.6%，并减少了背景知识的违反数量。